法律案例即裁判文书,当中包含了案由、事实、本院认为、判决结果等重要的信息,由于其权威性和严谨性,可以为法律工作者提供重要的参考。法律案例检索系统,是法律工作者最常使用的工具之一,它可以帮助法律工作者从庞大的法律案例库中快速检索出需要的案例,提高工作效率。目前的法律案例检索系统主要存在两方面的问题。第一,虽然基于深度学习的检索模型取得了显著的效果提升,但其需要大量人工标记数据来优化深度模型参数。然而,法律案例具有专业性强、内容长等特点,使得人工标注数据成本高、耗时长。第二,法律案例检索需要用到大量的法律专业知识,而目前的法律案例检索系统旨在建模输入查询文本本身的语义信息,无法有效地利用法律专业知识。针对以上问题,本文主要进行了以下研究:1.提出基于提示语范式的法律案例检索模型。为了减少深度检索模型对大量标注数据的依赖,将基于提示语范式的方法应于深度法律案例检索模型,将检索任务优化目标转换为和语言模型预训练目标相一致的形式,并设计了多任务提示模板、多阶段训练策略,以提升检索模型的泛化能力。本文还设计了多阶段蒸馏方法对深度模型蒸馏压缩,使其满足实际部署时的推理速度需求。2.提出基于法律常识知识图谱的法律案例检索相关算法与模型。针对目前法律案例检索系统对法律专业知识利用能力不足的问题,利用大规模法律案例语料无监督式地构建大规模法律常识知识图谱,并提出融合法律常识知识图谱的查询增强算法和案例检索模型,进而提升法律案例检索系统对输入查询文本的建模能力。3.研发线上法律案例检索系统。基于市面上法律案例检索系统存在以上所述问题的现状,整合集成了上述法律案例检索模型与方法,研发了线上法律案例检索系统。该系统可以对用户输入查询文本利用法律常识知识图谱进行解析与增强,相较于现有的法律案例检索系统具有更高的查全率和查准率。